InvokeAI mit Docker: Stable Diffusion lokal als Nachfolger von AUTOMATIC1111

Die Stable Diffusion WebUI von AUTOMATIC1111 war lange die bekannteste Oberfläche für lokale Bildgenerierung. Das Projekt ruht jedoch: Der letzte Commit auf dem Hauptzweig stammt vom 27.07.2024, das letzte Release 1.10.1 vom 09.02.2025. Auch das früher hier empfohlene Container-Image von ai-dock wird seit August 2024 nicht mehr aktualisiert. Wer heute eine Bildgenerierung auf eigener Hardware aufbaut, braucht eine gepflegte Oberfläche mit Sicherheitsupdates. Diese Anleitung nutzt dafür InvokeAI: eine formularbasierte Weboberfläche ähnlich AUTOMATIC1111, mit offiziellen Docker-Images, Modellverwaltung und einem Mehrbenutzermodus mit Anmeldung.

Voraussetzungen

• Server: Linux x86_64 mit Docker Engine und Compose-Plugin, etwa Ubuntu 24.04. GPU-Beschleunigung gibt es laut Projekt nur auf x86_64; ARM64 läuft nur auf der CPU.
• GPU: NVIDIA-Karte mit Treiber und NVIDIA Container Toolkit auf dem Host. Richtwerte des Projekts: SD 1.5 ab 4 GB VRAM, SDXL ab 8 GB, FLUX.1 ab 10 GB. AMD-Karten werden unter Linux mit dem ROCm-Image unterstützt.
• RAM: 16 GB für SDXL, 32 GB für FLUX.1 laut Hardwaretabelle von InvokeAI.
• CPU: 4 Kerne oder mehr; die eigentliche Rechenarbeit übernimmt die GPU.
• Speicher: 20 GB für das CUDA-Image (komprimiert 5,1 GB) und die erste Modellfamilie, 100 GB oder mehr bei mehreren Modellen.

Welche Karte für welche Modelle reicht, beschreibt GPU für lokale KI auswählen; Treiber und CUDA richten Sie nach CUDA-Umgebung korrekt aufsetzen ein.

Schritt 1: Oberfläche wählen und Version festlegen

Für die Nachfolge kamen drei Projekte in Frage. Die Auswahl beruht auf dem Pflegestand der Projekte:

InvokeAI ist für bisherige AUTOMATIC1111-Nutzer der naheliegende Umstieg: Prompt, Modell und Parameter stehen in einer festen Oberfläche, dazu kommen ein Canvas für Bildbearbeitung und optional Workflows. Wer lieber mit Knoten arbeitet, findet den Weg in ComfyUI mit Docker. Das Projekt veröffentlicht Images auf GHCR mit Versions-Tags je Beschleuniger:

Schritt 2: Datenordner und Compose-Datei anlegen

InvokeAI legt Modelle, Datenbank, Bilder und Konfiguration in einem Stammverzeichnis ab (INVOKEAI_ROOT). Ein Bind-Mount macht diesen Ordner für Sicherung und Modellablage direkt zugänglich.

$ sudo mkdir -p /opt/invokeai/data
$ sudo chown -R 1000:1000 /opt/invokeai/data
$ cd /opt/invokeai
$ sudo nano compose.yaml

services:
  invokeai:
    image: ghcr.io/invoke-ai/invokeai:v6.14.2-cuda
    container_name: invokeai
    restart: unless-stopped
    ports:
      - "127.0.0.1:9090:9090"
    environment:
      INVOKEAI_ROOT: /invokeai
      CONTAINER_UID: "1000"
    volumes:
      - ./data:/invokeai
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]

Das Image startet als root, legt den Benutzer mit der UID aus CONTAINER_UID an, übergibt ihm das Stammverzeichnis und startet InvokeAI danach ohne Root-Rechte.

Schritt 3: Container starten

$ docker compose pull
$ docker compose up -d
$ docker compose logs -f

Beim ersten Start legt InvokeAI die Datenbank und die Ordnerstruktur an. Mit dem CPU-Image ist die Oberfläche nach rund 10 Sekunden erreichbar; das Log endet mit:

[InvokeAI]::INFO --> JWT secret loaded from database
[ModelManagerService]::INFO --> [MODEL CACHE] Calculated model RAM cache size: 4096.00 MB.
[InvokeAI]::INFO --> Invoke running on http://0.0.0.0:9090 (Press CTRL+C to quit)

Im Datenordner entstehen unter anderem invokeai.yaml, databases/, models/ und outputs/. Mit GPU meldet das Log zusätzlich das erkannte CUDA-Gerät.

Schritt 4: Mehrbenutzermodus aktivieren

Im Standardbetrieb kennt InvokeAI keine Anmeldung: Laut Dokumentation sind im Einzelbenutzermodus alle API-Endpunkte ohne Token erreichbar. Das ist auf einem Arbeitsplatzrechner in Ordnung, auf einem Server im Netzwerk nicht. Die aktuelle Version bietet einen Mehrbenutzermodus mit Konten, Rollen und getrennten Bildersammlungen. Sie aktivieren ihn in der Konfigurationsdatei:

$ docker compose stop
$ echo 'multiuser: true' | sudo tee -a /opt/invokeai/data/invokeai.yaml
$ docker compose start

Beim nächsten Aufruf der Oberfläche erscheint der Dialog „Administrator Setup“. Tragen Sie eine E-Mail-Adresse als Benutzernamen, einen Anzeigenamen und ein Passwort ein. Das Projekt empfiehlt mindestens 12 Zeichen; die Prüfung auf Groß-, Kleinbuchstaben und Ziffern erzwingen Sie zusätzlich mit strict_password_checking: true. Weitere Konten legt der Administrator in der Oberfläche oder mit invoke-useradd im Container an.

Schritt 5: Modelle installieren und erstes Bild erzeugen

Modelle verwaltet InvokeAI selbst. Öffnen Sie in der Oberfläche den Model Manager und wählen Sie unter „Starter Models“ eine Modellfamilie, etwa SDXL. InvokeAI lädt dabei die nötigen Zusatzmodelle wie VAE und Text-Encoder mit. Alternativ tragen Sie eine Hugging-Face-Repo-ID (Format autor/modell), eine Download-URL oder einen lokalen Pfad ein; mit „Scan Folder“ übernehmen Sie vorhandene Modelldateien, etwa aus einer alten AUTOMATIC1111-Installation, die Sie vorher in den Datenordner kopieren.

$ sudo cp /pfad/zu/alten/models/Stable-diffusion/*.safetensors /opt/invokeai/data/models/
$ sudo chown -R 1000:1000 /opt/invokeai/data/models

Im Model Manager scannen Sie danach /invokeai/models. Bevorzugen Sie Dateien im Format safetensors; es kann im Gegensatz zu .ckpt keinen ausführbaren Code enthalten. Beachten Sie die Lizenz jedes Modells: Manche Starter-Modelle schränken laut InvokeAI die kommerzielle Nutzung oder den Betrieb auf öffentlichen Servern ein.

Für Karten mit wenig VRAM ist seit Version 5.6 ein Low-VRAM-Modus aktiv (enable_partial_loading: true), der Modelle teilweise im Arbeitsspeicher hält.

Schritt 6: Reverse Proxy, Backup und Updates

Für den Zugriff im Netzwerk setzen Sie einen Reverse Proxy mit HTTPS vor den Dienst. Mit Caddy genügt:

bilder.example.de {
    reverse_proxy 127.0.0.1:9090
}

InvokeAI überträgt den Fortschritt per WebSocket, Caddy reicht das ohne weitere Angaben durch. Wie Sie Caddy oder Traefik einrichten, beschreiben Caddy als Reverse Proxy einrichten und Traefik als Docker-Reverse-Proxy.

Zur Sicherung gehören die Datenbank, die Konfiguration und die erzeugten Bilder. Modelle lassen sich neu laden, sind aber groß; nehmen Sie sie nur auf, wenn der Speicherplatz reicht:

$ cd /opt/invokeai
$ docker compose stop
$ sudo tar czf invokeai-$(date +%F).tgz -C data invokeai.yaml databases outputs
$ docker compose start

Für ein Update lesen Sie zuerst die Release Notes, tragen den neuen Tag in compose.yaml ein und führen docker compose pull sowie docker compose up -d aus. Beim Start migriert InvokeAI die Datenbank selbst; das Log meldet dann Database updated successfully.

Typische Fehler

Container startet nicht, GPU-Reservierung schlägt fehl

Docker findet die NVIDIA-Laufzeit nicht, docker compose up bricht mit einer Meldung zum Gerätetreiber ab. Installieren Sie das NVIDIA Container Toolkit und registrieren Sie es mit sudo nvidia-ctk runtime configure --runtime=docker, danach Docker neu starten.

401 nach der Umstellung auf Mehrbenutzer

Skripte, die bisher direkt die API aufgerufen haben, erhalten im Mehrbenutzermodus 401. Sie brauchen ein Token von POST /api/v1/auth/login, das im Header Authorization: Bearer … mitgeschickt wird. Ein falsches Passwort beantwortet der Server mit {"detail":"Incorrect email or password"}.

Keine Schreibrechte im Datenordner

Der Ordner gehört nicht der UID aus CONTAINER_UID. Korrigieren Sie mit sudo chown -R 1000:1000 /opt/invokeai/data oder passen Sie die Variable an Ihren Benutzer an.

Out of Memory bei der Generierung

Das Modell ist für die Karte zu groß. Prüfen Sie, ob enable_partial_loading aktiv ist, wählen Sie eine quantisierte Variante (etwa FP8 oder GGUF bei FLUX) oder eine kleinere Auflösung.

Sehr langsame Bilder

Läuft das CPU-Image oder sieht der Container die GPU nicht, rechnet InvokeAI auf dem Prozessor. Das CPU-Image ist nur zum Kennenlernen der Oberfläche geeignet.

Häufige Fragen

Kann ich meine AUTOMATIC1111-Modelle weiterverwenden?

Ja. Checkpoints, LoRAs und VAEs im Format safetensors übernehmen Sie über „Scan Folder“ im Model Manager. Erweiterungen aus AUTOMATIC1111 laufen dagegen nicht; viele Funktionen wie ControlNet oder Inpainting sind in InvokeAI eingebaut.

Warum nicht ComfyUI?

ComfyUI ist ebenfalls gut gepflegt, arbeitet aber mit Knotengraphen statt Formularen. Für Nutzer, die aus AUTOMATIC1111 kommen, ist InvokeAI näher an der gewohnten Bedienung. Beide lassen sich parallel betreiben.

Gibt es eine API?

Ja, eine REST-API unter /api/v1 mit Dokumentation unter /docs. Im Mehrbenutzermodus verlangt sie ein Token.

Läuft InvokeAI auf einem Mac?

In Docker nur ohne GPU und damit langsam. Das Projekt empfiehlt auf macOS den Invoke Launcher statt Docker.

Fazit

AUTOMATIC1111 sollten Sie nicht mehr neu aufsetzen. InvokeAI bietet eine vergleichbare, formularbasierte Arbeitsweise, wird aktiv gepflegt und bringt offizielle, versionierte Docker-Images mit. Entscheidend für den Serverbetrieb ist der Mehrbenutzermodus: Erst mit ihm verlangt die API eine Anmeldung. Binden Sie den Port an 127.0.0.1, legen Sie das Administratorkonto sofort an und sichern Sie Datenbank und Bilder regelmäßig.

Weiterführende Anleitungen und Quellen

• ComfyUI mit Docker
• GPU für lokale KI auswählen
• Caddy als Reverse Proxy einrichten
• Docker und Docker Compose auf Linux installieren
• InvokeAI auf GitHub
• InvokeAI: Docker
• InvokeAI: Hardwareanforderungen
• InvokeAI: Konfiguration invokeai.yaml
• InvokeAI: docker/README.md
• AUTOMATIC1111 Stable Diffusion WebUI (nicht mehr gepflegt)
• NVIDIA Container Toolkit